ウェブファーマーの製品・サービス一覧

今回当社が参画した医療系システム開発のprojectにおいて、当社は AI部分の研究・開発・実装を担っております。 医療の現場で求められる精度・信頼性に応えるため、以下の業務を幅広く実施しています。 ■関連するAI技術のリサーチ ■モデルの設計・開発・実装 ■データを用いたモデルの学習 ■結果の検証とフィードバック これらのプロセスを通じて、医療に貢献するシステムの基盤を支えるAIを提供しています。 当社のAI開発で多くの命が救われることを願っています。 ※詳しくは関連リンクをご覧いただくか、お気軽にお問い合わせください。

E社が運用するDiffusionモデルを用いた画像系生成AIモデルの改善を実施した。 Diffusionモデルは推論においてもモデルを複数ステップ回すので、 推論時間は一般的に長い。これはユーザのエクスペリエンスを低下させる一因である。 当社では長年培ったモデルのアーキテクチャに対する理解、およびdeviceへの理解があり、 これにより推論の精度を低下させることなく、高速化、軽量化を実現させた。(画像はDDIMより) ※詳しくは関連リンクをご覧いただくか、お気軽にお問い合わせください。

2024年6月、ある企業様向けにLLMを作成した。 大企業では自社のシーズが大きくなり過ぎているため、そこから新規事業の アイデアを出すのは難しい作業となっている。今回は企業様の情報Aと別の情報Bを 用いてLLMが新規事業を提案するシステムを作成した。 LLMとしてオープンソースのLlama系を用いた。これにより、企業は外部に情報を出すことなく、 オンプレで作業を完結できる。 システムではアイデアの提案を効率的に行えるよう、RAGや、プロンプトの修正機能を工夫した。 ※詳しくは関連リンクをご覧いただくか、お気軽にお問い合わせください。

2024年3月 半導体関連会社M社に対して、AIモデルを特定のエッジデバイスに 適応させるための軽量化を行った。 特殊なデバイスに適応させるよう、軽量化を実施。今回、推論するデバイスは モデルサイズでかなりの軽量化が必要であったため、ニューラルネットのアーキテクチャの 見直しから行った。その後、特定のデバイスに適応できるよう、量子化、pruningを行った。 その結果、特定のデバイスで速度、データ容量ともに要件を満たすものが得られた。 ※詳しくは関連リンクをご覧いただくか、お気軽にお問い合わせください。

2022年9月 建設会社向けにDXを推進するシステム、及び業務における特定の文字を 読み取るAIシステムの開発を行った。 アノテーションツールの作成から推論システムまで。アノテーションツールの作成、 アノテーション、リサーチ、モデル実装、学習・評価、推論システム作成まで行った。 このうち文字読み取りAIに関しては一部でOCRサービスを利用したが、その前後で当社の 独自AIを用いて前処理、補正するものとした。 ※詳しくは関連リンクをご覧いただくか、お気軽にお問い合わせください。

2022年 国内企業様の生体deviceから取得した情報に対して解析を行なった。 時系列データに対するリサーチから推論システムの構築まで。今回は対象が 時系列データであったため、それに対応するjournal、conferenceを選定し、 その論文から適切なNeural Networkモデルのアーキテクチャを選定した。 さらにモデル実装、学習・評価、推論システムの構築、結果の可視化を行なった。 結果のvisualizing。時系列データは可視化が難しいが、適切な可視化を行わなければ 結果の評価が困難となる。今回はいくつかの手法を用いて可視化を工夫した。 ※詳しくは関連リンクをご覧いただくか、お気軽にお問い合わせください。

2022年7月 国内企業様の化学センサーを用いた推論システムの研究開発を実施しました。 研究からiPhoneアプリ化まで。今回は論文リサーチから始めてモデル実装、学習・評価、 推論システムの構築、iPhoneを用いたアプリ化まで行った。 化学リサーチに基づいたロジックを構築。今回、化学センサーというAI業界では 特殊な分野の物質を取り扱った。そこから出力される数値に対する推論モデルは前例がないため、 化学系の論文リサーチを徹底し、化学的に妥当で説明性の高いモデルを実装した。 DartからSwiftへ切り替え。iPhoneのアプリ部分は当初開発言語Dartを用いて flutterを利用し開発していた。しかし今回必須の一部の機能がflutterで実現できないことが判明し、 急遽swiftへ切り替えた。これにより要求される機能を一通りアプリ化することができた。 　 ※詳しくは関連リンクをご覧いただくか、お気軽にお問い合わせください。

2021年 – 2023年に国内企業I社様向けに家庭用機器へ搭載する AIシステムに関して研究開発を実施しました。 アノテーションツール作成から推論システム構築まで一貫して開発。 アノテーションツールの作成、アノテーション、リサーチ、モデルの実装、 学習・評価、モデルの軽量化、推論システムの構築、edgeデバイスへの convertを実施しました。 特殊なNNアーキテクチャに対応したリサーチ・実装。 今回のNeural Networkは動画、および時系列データを入力とするため、 それに対応するモデルのリサーチを実施し、過去の事例を参考にしてモデルを実装した。 推論結果の可視化。今回の開発はPOC段階であったため、 内部の推論結果を別のパソコンに送り、結果をわかりやすく表示させた。 これによりdebugや改善が容易になった。 ※詳しくは関連リンクをご覧いただくか、お気軽にお問い合わせください。

2019 – 2023年において国内企業H社様向けに美容機器へ搭載するAIシステムに関する 研究開発を実施した。 今回は既存データの中に利用できるものがないため、データの生成から行なった。 それに対してアノテーション・ツールを作成した上でアノテーションを実施した。 さらにリサーチ、モデル実装、学習・評価、モデルの軽量化、推論システムの構築まで行なった。 機器を用いる病院側のオペレーション上、画像1枚あたりに許される推論時間が数mm secであった。 これを実現するため Neural Networkのアーキテクチャを入念に検討し、超高速であるが精度が そこそこよいアーキテクチャを組み立てた。 Neural Networkのアーキテクチャ自体、軽量なものとしたが、それでもedge deviceで 推論時間を収めるには更なる軽量化が必要であった。そこでdeployする段階で pruning, distillation, quantizationを行った。これにより要求された推論時間を 満たすことができた。 ※詳しくは関連リンクをご覧いただくか、お気軽にお問い合わせください。

2018 – 2020年に AIを用いた動物の検出、トラッキング、位置推定、 行動推定を行なった。 アノテーションツールの作成から推論システム構築・可視化まで開発。 当時動物に対する検出やトラッキング、行動推定は研究が進んでいない 分野であったため、アノテーション・ツールの作成、アノテーションの 実施から行なった。 さらにリサーチ、モデルの実装、学習・評価、推論システムの構築と 可視化まで行なった。 ※詳しくは関連リンクをご覧いただくか、お気軽にお問い合わせください。

2017年4月 不動産企業向けに構造化データから不動産価格を予測するモデルを 研究・開発しました。 リサーチから推論モデル作成まで。今回は構造化データ＋時系列データに 対応したリサーチから始まり、モデル実装、学習・評価、推論システムの 作成まで行った。 ※詳しくは関連リンクをご覧いただくか、お気軽にお問い合わせください。

2018年に食品工場の生産ラインにおける異常検知システムの構築を行なった。 食品の生産現場においては不純物や不衛生な物質が混在すると問題となる。 よってrecall(再現率)の高い推論システムが求められる。 サーチからモデルの実装、学習、推論システムの構築まで 適切なモデルをリサーチし、モデルの実装、学習・評価、推論システムの 構築を行なった。 既存の特許を避けるべく新たなモデルを開発。 この手の生産ラインにおける異常検知は多くの企業が取り組んでおり、 今回は既に出願されている特許に抵触しないような新たなモデルの構築が求められた。 そこでCVPRやICCVでリサーチを行い、最近低酸された新たなタイプの異常検知モデルを実装した。 ※詳しくは関連リンクをご覧いただくか、お気軽にお問い合わせください。

2019年 国内企業M社様向けに医療用CT画像内の特定物質の検出とトラッキングを行う システムを開発した。アノテーションツールの作成、リサーチ、モデルの実装、 学習・評価、推論システムの構築を行なった。 独自ツールの作成。クライアント企業様の要望に対応するには特殊なデータが必要であったが、 それをラベリングするツールが無かった。そこで独自にアノテーション・ツールを作成し、 データを生成した。 不鮮明なCT動画における特殊物体検出とトラッキング。今回は動画における各フレームの CT画像が粗いため、特定物質の検出とそのトラッキングは困難を極めた。 しかしNeural Networkアーキテクチャ改善、画像の前処理の工夫、トラッキングの アルゴリズムの改良により克服した。 ※詳しくは関連リンクをご覧いただくか、お気軽にお問い合わせください。

2025年、E企業様の業務を効率化するため、AIエージェントを用いた システムを開発した。 AIエージェントが状況を理解し、使用するツールをプラニングする。 このプランに従ってLLMへの問い合わせやRAGが実行される。 結果により両者は繰り返し利用される。 最終的なoutputが求められるものとなるまで実行される。 使用した言語：Python3系 使用したライブラリ：Langgraph、Langchain Cloud：Azure ※詳しくは関連リンクをご覧いただくか、お気軽にお問い合わせください。